信息抽样下纵向调查数据的贝叶斯单元级模型：基于家庭脉搏调查的预期失业分析
统计方法学
2023-04-18 v1 应用统计
摘要
美国人口普查局近期发布的家庭脉搏调查（Household Pulse Survey, HPS）收集有关冠状病毒社会与经济影响的及时信息。该调查第一阶段于疫情开始后一个月迅速启动，持续 12 周。为追踪疫情即时影响，此阶段个体受访者被连续最多三周重复抽样。受疫情期间预期失业的驱动，本工作利用公开微观数据，提出在响应与域层面均纳入纵向依赖的单元级基于模型的估计量。特别地，利用伪似然，我们考虑在信息抽样下针对高斯与二值响应数据的贝叶斯分层单元级基于模型方法。为便于构建这些基于模型的估计，我们开发了一种高效的 Gibbs 抽样器。通过实证模拟研究，将所提方法与未考虑单元级纵向相关的模型比较。最后，利用公开 HPS 微观数据，我们对“预期失业”进行分析，比较基于设计与基于模型的估计量，并证明所提基于模型方法的更优表现。
引用
@article{arxiv.2304.07897,
title = {Bayesian Unit-level Models for Longitudinal Survey Data under Informative Sampling: An Analysis of Expected Job Loss Using the Household Pulse Survey},
author = {Daniel Vedensky and Paul A. Parker and Scott H. Holan},
journal= {arXiv preprint arXiv:2304.07897},
year = {2023}
}